记录一篇w10下最新tensorflow2.3的安装包括anaconda，cuda，cudnn安装，配置环境

插眼，防止下次踩坑

配置

   i5 10400F+1660s

环境

    anaconda3+pycharm+python3.8+vs2019专业版+cuda10.1+cudnn7.6+tensorflow_GPU2.3.0

链接

tensorflow构建配置：https://tensorflow.google.cn/install/source_windows#tested_build_configurations
anaconda3：镜像源下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
pycharm：https://www.jetbrains.com/pycharm/
vs2019：https://visualstudio.microsoft.com/zh-hans/vs/
cuda10.1：https://developer.nvidia.com/cuda-10.1-download-archive-base建议默认安装
cudnn7.6：https://developer.nvidia.com/cudnn

接下里是安装和配置的细节问题，带图

：
1、anaconda
这里作为小白，红色部分要选择，可省去自己添加环境变量的麻烦

最后的两个learn是不需要选的，或者其他版本的框也是不需要勾选的。

此外anaconda的安装位置并不需要安装的默认的C盘，完全可以装到其他盘里。

安装完成后如图，在Prompt中输入python --version查看python的当前版本。一般是最新的python。
输入python 回车，进入python解释器，类似于python的IDLE。
安装第三方包时，输入pip install A，或者conda install A，A表示你要安装的包的名字

2、pycharm

大部分为默认下一步，此处注意选择64位，添加环境变量，.py三个为必选，其他非必须（小白推荐）。pycharm的使用教程可自行学习。

3、vs2019安装
可选社区版可选专业版

这里不清楚需求的可以选择c++，通用windows开发和web开发三个即可。
然后等待安装完即可。

4、cuda安装和cudnn配置

这两个要在安装显卡驱动之前，到NVIDIA官网下载最新的显卡驱动。查看自己的显卡所能安装的最高版本。如下图：

完成之后就可以下载自己想要下载的版本。通俗解释：cuda是一个计算框架，工具包，只能在英伟达的gpu使用；cudnn是一个深度学习加速包，一般都使用这个。再次查看对应版本tensorflow构建配置：https://tensorflow.google.cn/install/source_windows#tested_build_configurations
重点：cudnn和cuda的版本要对应；不推荐安装最新版本的，适当降1-2个版本，稳定，bug少

network和local下载都可以。建议默认安装路径

cuda部分可以全选，剩余两个components看版本，当前版本高于新版本就不装，否则选上。默认下一步安装完成 在cmd中输入nvcc -V判断是否成功

cudnn的下载

这里下载完成的cudnn7.6如图。

打开后是这个样子，然后把这三个文件夹里面的内容分别复制，粘贴到你安装的cuda的对应的文件里面如果你是默认安装位置的话是这样

我标红的这个文件就是从其中之一复制过来的，时间明显是不一样的，你还需要完成其他两个。
然后是添加环境变量

此图是环境变量-系统变量中的path-编辑。如果按上面的步骤安装在默认位置，那么最前面两个已经自动添加了，你只需要加上我画的最后一个即可。位置给出如下，也就是cuda的安装位置：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64

到此配置完成。

tensorflow安装：

1 、打开anaconda Prompt；
2 、输入conda create -n TF-gpu python=3.8(创建一个名叫TF-gpu的虚拟环境，python版本是3.8，在此环境中进行配置，而不影响其他环境)；
3 、输入conda activate TF-gpu（激活并进入此环境进行操作)；
4、pip install tensorflow==2.3，开始配置一大堆东西；
5、验证是否成功：仍在此环境中输入python，回车；输入import tensorflow as tf，正确显示为：…successfully…

pycharmt中添加解释器：

file-settings-pythonoProject-interprete,
点击，选择add，选择conda Environment，选择Existing Environment，在interpreter栏选择前一步创建好的名为TF-gpu的虚拟环境，ok完成。
输入测试代码：

import tensorflow as tf

print(tf.__version__)
v1 = tf.constant(8.0,dtype=tf.dtypes.float32)
v2 = tf.constant(2.0,dtype=tf.dtypes.float32)
v3 = tf.math.multiply(v1,v2)
print(f"result = {v3}")

右键run。

到此W10下的tensorflow2.3配置完成。帮到的话，请点赞！

本文地址：https://blog.csdn.net/cherr_bomb/article/details/109630316